一、引言:从“纯几何匹配”到“强度辅助定位”的跨越
在前面几篇文章中,我们已经详细讨论了纯反光柱定位算法VEnus的全部链路,也从融合的角度介绍了两种局部反光柱定位方案。无论是路径点精定位方案,还是VEnus作为子系统的融合方案,其共同特点都是将反光柱定位模块与SLAM自然导航模块作为两个独立的子系统运行——反光柱区域用反光柱定位,非反光柱区域退回到SLAM定位。这种“双系统并行切换”的模式虽然有效,但存在一个先天性的难题:地图切换过程中易产生位姿跳变,导致运动控制端出现抖动。
那么,有没有一种方案能够将反光柱信息真正融入SLAM框架的内部,让反光柱的观测与其他传感器数据在同一后端优化框架中得到统一处理,从而从根本上避免位姿跳变呢?
答案就是Cartographer Landmark融合定位。
谷歌Cartographer作为当前最主流的2D激光SLAM框架,为反光柱等人工特征提供了原生的融合接口。Cartographer不要求反光柱定位子系统与SLAM模块分开运行,而是在位姿图优化的统一框架下,将Landmark观测作为一类特殊的约束节点,与子图节点、激光帧节点一同参与后端优化。这种深度融合的架构,能够从根本上解决地图切换时的位姿跳变问题,为纯反光柱定位提供了一种更加系统化的融合路径。
本文将从Cartographer Landmark的整体架构入手,逐步展开其融合原理、配置实战、高反地图的两种生成方式,以及Landmark消息的发布机制与匹配逻辑。
二、Cartographer Landmark的核心原理
为什么需要Landmark?
在Cartographer的纯SLAM模式中,机器人的位姿是通过点云匹配和回环检测来约束的。这种纯几何约
订阅专栏 解锁全文
9055



被折叠的 条评论
为什么被折叠?



